虎牙视频算法实习面经

虎牙面试：

1. 说一下项目具体操作
2. 信号处理滤波方法了解
3. 了解质量评价的分类（有参无参）
4. 具有平移、旋转、尺度缩放不变性的传统图像特征
   图像的hu矩是一种具有平移、旋转和尺度不变性的图像特征。SIFT具有旋转、尺度不变性。LBP特征旋转不变性和灰度不变性。ORB特征具有旋转不变性。
5. Faster RCNN与Fast RCNN的区别，Faster RCNN具体原理
6. YOLO与SSD原理
7. 对于小目标检测有什么了解与方法
   FPN、DSSD、DenSenet、RON算法等等
8. 正则化L1,L2区别，适用于什么不同的场景
   某些功能之间是否存在共线性？在这种情况下，L2正则化可以提高预测质量，正如其替代名称“岭回归”所暗示的那样。然而，一般来说，任何形式的正则化都将改善样本外的预测，无论是否存在多重共线性以及是否存在不相关的特征，仅仅因为正则化估计器的收缩特性。L1正则化无助于多重共线性; 它只会选择与结果具有最大相关性的特征。
   L1正则化无助于多重共线性。L2正则化无法帮助进行特征选择
9. 深度学习的模型压缩与优化加速有了解吗
   https://blog.csdn.net/nature553863/article/details/81083955
10. 图像分割目标识别的了解
11. 模型优化过程（数据，学习速率，优化器，层的设计）
12. 分布式系统了解
13. 对操作系统和数据结构了解，项目中用了哪些数据结构。
14. Adaboost与随机森林原理与区别，适用于什么不同的场景
    RF：适合处理多分类问题及类别不平衡的分类问题、对缺失值异常值不敏感、能够有效地处理大的数据集和高维数据集、无须进行特征选择有袋外数据OOB、不用再单独划分交叉验证集、能够给出特征重要性程度、不容易过拟合容易并行化，训练和预测速度快。
    Adaboost：对异常值更敏感。Adaboost是一种有很高精度的分类器。可以使用各种方法构建子分类器，Adaboost算法提供的是框架。当使用简单分类器时，计算出的结果是可以理解的，并且弱分类器的构造极其简单。简单，不用做特征筛选。不容易发生overfitting。
15. 开放题：对于整个视频，想要分割出质量好的序列与质量差的序列，有什么想法。
16. 开放题：对于一张图像，想要提取质量好与质量差的区域，有什么想法。
17. 自己职业规划，地点，实习时长